by28777 by28777域名查询( 三 ) _云知道

【by28777 by28777域名查询】调用sklearn包中的LinearRegression()回归函数， fit(X,Y)载入数据集进行训练，然后通过predict(X2)预测数据集X2的利润，并将预测结果绘制成直线，(X,Y)数据集绘制成散点图，如图3所示。

同时调用代码预测2017年企业成本为1200元的利润为575.1元。注意，线性模型的回归系数会保存在coef_变量中，截距保存在intercept_变量中。clf.score(X, Y) 是一个评分函数，返回一个小于1的得分。评分过程的代码如下：
print('系数', clf.coef_)print('截距', clf.intercept_)print('评分函数', clf.score(X, Y))'''系数 [[ 0.62402912]]截距 [-173.70433885]评分函数 0.911831188777'''

该直线对应的回归函数为：y = 0.62402912 * x - 173.70433885 ，则X2[1]=400这个点预测的利润值为75.9，而X1中成本为400元对应的真实利润是80元，预测是基本准确的。
2.线性回归预测糖尿病(1).糖尿病数据集Sklearn机器学习包提供了糖尿病数据集（Diabetes Dataset），该数据集主要包括442行数据， 10个特征值，分别是：年龄（Age）、性别（Sex）、体质指数（Body mass index）、平均血压（Average Blood Pressure）、S1~S6一年后疾病级数指标。预测指标为Target ，它表示一年后患疾病的定量指标。原网址的描述如图4所示：

下面代码进行简单的调用及数据规模的测试。
# -*- coding: utf-8 -*-# By:Eastmount CSDN 2021-07-03from sklearn import datasetsdiabetes = datasets.load_diabetes() #载入数据print(diabetes.data) #数据print(diabetes.target) #类标print('总行数: ', len(diabetes.data), len(diabetes.target))print('特征数: ', len(diabetes.data[0])) #每行数据集维数print('数据类型: ', diabetes.data.shape)print(type(diabetes.data), type(diabetes.target))
调用load_diabetes()函数载入糖尿病数据集，然后输出其数据data和类标target 。输出总行数442行，特征数共10个，类型为（442L, 10L）。其输出如下所示：
[[ 0.03807591 0.05068012 0.06169621 ..., -0.00259226 0.01990842-0.01764613][-0.00188202 -0.04464164 -0.05147406 ..., -0.03949338 -0.06832974-0.09220405]...[-0.04547248 -0.04464164 -0.0730303 ..., -0.03949338 -0.004219860.00306441]][ 151. 75. 141. 206. 135. 97. 138. 63. 110. 310. 101....64. 48. 178. 104. 132. 220. 57.]总行数: 442 442特征数: 10数据类型: (442L, 10L)<type 'numpy.ndarray'> <type 'numpy.ndarray'>
(2).代码实现现在我们将糖尿病数据集划分为训练集和测试集，整个数据集共442行，我们取前422行数据用来线性回归模型训练，后20行数据用来预测。其中取预测数据的代码为diabetes_x_temp[-20:]，表示从后20行开始取值，直到数组结束，共取值20个数。
整个数据集共10个特征值，为了方便可视化画图我们只获取其中一个特征进行实验，这也可以绘制图形，而真实分析中，通常经过降维处理再绘制图形。这里获取第3个特征，对应代码为：diabetes_x_temp = diabetes.data[:, np.newaxis, 2] 。完整代码如下：
# -*- coding: utf-8 -*-# By:Eastmount CSDN 2021-07-03from sklearn import datasetsimport matplotlib.pyplot as pltfrom sklearn import linear_modelimport numpy as np#数据集划分diabetes = datasets.load_diabetes() #载入数据diabetes_x_temp = diabetes.data[:, np.newaxis, 2] #获取其中一个特征diabetes_x_train = diabetes_x_temp[:-20] #训练样本diabetes_x_test = diabetes_x_temp[-20:] #测试样本后20行diabetes_y_train = diabetes.target[:-20] #训练标记diabetes_y_test = diabetes.target[-20:] #预测对比标记#回归训练及预测clf = linear_model.LinearRegression()clf.fit(diabetes_x_train, diabetes_y_train) #训练数据集pre = clf.predict(diabetes_x_test)#绘图plt.title(u'LinearRegression Diabetes') #标题plt.xlabel(u'Attributes') #x轴坐标plt.ylabel(u'Measure of disease') #y轴坐标plt.scatter(diabetes_x_test, diabetes_y_test, color = 'black') #散点图plt.plot(diabetes_x_test, pre, color='blue', linewidth = 2) #预测直线plt.show()

by28777 by28777域名查询( 三 )

推荐阅读

微信上自动续费怎么关

电视剧小娘惹总共多少集

世界上最大的吊车

小8巧用爱立信T39的屏幕休眠

小红书3000粉丝推广报价多少小红书怎么赚钱

相声起源于哪里

晚上气压升高怎么钓鱼晚上气压升高怎么钓鱼呢

腌青辣椒的方法腌青辣椒怎么做

舒肤佳香皂可以洗澡吗

新车磨合多少公里新车磨合多少公里才能上高速

博美最便宜多少钱一只,一只博美多少钱

商场里的唱歌机一个月能挣多少,ktv里面的唱歌机多少钱

雷雨中蘩漪的形象分析

黄瓜为什么叫黄瓜绿色的黄瓜为什么叫黄瓜

分享老子搜书app中详细特色功能的具体介绍。

欧冠足球2巨星勋章怎么获得,你的择偶标准是怎样的